Nov, 2023

一种利用效用核和数据驱动参数的新型 RNA 伪尿苷位点预测模型

PDF
TL;DR通过提出一种基于支持向量机（SVM）核心的效用理论模型，并使用数据驱动参数作为特征，我们在 RNA 蛋白互作、伪尿苷位点预测和深度学习等领域取得了显著的性能提升（平均提高 10%-15%）。
rna protein interactionspseudouridine sitesdeep learning modelssupport vector machineposition-specific composition
发现论文，激发创造
  • 机器学习建模研究 SiRNA 结构 - 效能关系在抗击 Sars-Cov-2 刺突基因中的应用

    开发基于化学信息学表示的 siRNA 的机器学习模型以预测其效力，并选择最有效的 siRNA 分子进行进一步的发展，证明了 AI / 机器学习模型在加速 siRNA 基于药物发现方面的潜力。

    Jan, 2024

  • 基于展开算法学习的 RNA 次级结构预测

    我们提出了一种端到端的深度学习模型 E2Efold，用于 RNA 二级结构预测，可以有效地考虑问题中的固有约束，并通过约束规划的未卷积算法作为深度结构的模板强制实施约束，全面实验表明，E2Efold 具有优越的性能：相对于之前的 SOTA，特别是对于伪结节数量结构的预测具有显著的改进，同时推断时间也不会慢于最快的算法。

    Feb, 2020

  • 重新思考 RNA 次级结构问题的性能衡量

    准确的 RNA 二级结构预测对于理解细胞调控和疾病机制至关重要。通过预测伪结和多相互作用碱基对等复杂特征，深度学习方法已经超过了传统算法。然而，传统距离度量难以处理如此三级相互作用，目前使用的评估指标（F1 分数，MCC）存在局限性。我们提出 Weisfeiler-Lehman 图核作为一种替代度量标准。采用基于图的度量标准如 WL 可以公正准确地评估 RNA 结构预测算法。此外，WL 在 RNA 设计实验中展示了信息丰富的指导作用。

    Dec, 2023

  • Kirigami：大型卷积核提高基于深度学习的 RNA 二级结构预测

    我们引入了一种新颖的全卷积神经网络 (FCN) 结构，用于预测核糖核酸 (RNA) 分子的二级结构。通过将 RNA 结构解释为加权图，我们利用深度学习来估计核苷酸残基之间的配对概率。与我们的模型独特的是其拥有的大型 11-pixel 卷积核，我们认为在 RNA 二级结构领域上，这为 FCN 带来了明显的优势。在由 1,305 种分子组成的广泛采用的标准测试集上，我们的方法的准确率超过了当前最先进的二级结构预测软件，整体结构的 Matthews 相关系数 (MCC) 比其他主要方法高出 11-40%，而特别是拟结对结构，高出 58-400%。

    Jun, 2024

  • 基于三级结构生成的 RNA 设计

    通过细胞的 3D 生物大分子和人工智能技术的学习，RNA 的 Tertiary 结构建模是一个关键问题，该研究展示了该模型的有效性，有望在 RNA 的设计方面提供更大的帮助。

    Jan, 2023

  • 深度生成模型捕捉突变效应的遗传变异

    提出了一种基于深度学习的模型 DeepSequence，可以预测基因突变对分子属性的影响，具有非线性的高阶约束，是一种能够应用于有关蛋白质和 RNA 相互作用的普适模型。

    Dec, 2017

  • 一个解码 mRNA 的 5'UTR 语言模型和功能预测

    我们引入了一个名为 UTR-LM 的 5'UTR 语言模型，该模型在多个物种的内源性 5'UTR 上进行了预训练，并使用了包括二级结构和最小自由能在内的监督信息进行了进一步增强，该模型在多个下游任务中表现优于已知的最佳基准，可用于预测核糖体的平均装载量以及翻译效率和 mRNA 表达水平，还可用于确定未注释的非编码区域内的内源性核糖体入站位点，并相对于最佳基准将 AUPR 从 0.37 提高到 0.52。此外，我们设计了一个包含 211 个高预测翻译效率的译码区的库，并通过湿实验进行了评估，实验结果确认我们的顶级设计相对于为治疗学进行了优化的成熟 5' UTR，可以获得 32.5% 的蛋白质产量增加。

    Oct, 2023

  • 用 RNA 对比学习改进您的预测

    通过对功能相似的基因组序列进行对比性学习，本研究提出了一种学习 RNA isoform 的通用表示方法，并在 RNA 半衰期和平均核糖体负载预测等下游任务上证实了其实用性。

    Oct, 2023

  • 使用基于 Transformer 的深度学习模型来进行 RNA 二级结构预测

    讨论了 RNA 和 RNA 的二级结构及其预测的基本概念，以及机器学习技术在预测生物大分子结构中的应用，并提出了基于 ResNet 的 RNA 三级结构预测算法和打分模型。

    Apr, 2024

  • 高效近似内核基于尖峰序列分类

    利用敏化和信息增益的方式改善了近似核在分类冠状病毒 (SARS-CoV-2) 突刺蛋白序列变异的性能，与基线和现有的健康医疗领域方法相比，我们的方法在两个数据集上都表现出更好的性能。

    Sep, 2022